半监督流形正则化算法检测应用层DDoS攻击研究

现有的应用层分布式拒绝服务(DDo S)攻击检测方法都是基于用户浏览行为特征的统计来区别正常用户与非正常用户,因为要进行高层协议解析和深度数据包处理,所需计算的时间长,空间复杂度高,所以,实现在线检测面临极大困难。针对小样本应用层Web DDo S攻击,提出半监督流形正则化检测方法。首先,在1个时间窗口内以IP地址或域名为标识,将过滤后的Web日志映射到1个14维的特征空间以描述用户的访问行为;其次,采用半监督流形正则化的Laprls最小二乘法对此特征空间中小样本数据进行分类预测以区分正常用户与非正常用户;最后,在少量标记样本的适应性和未标记样本的学习2个方面,分别通过实验和其他算法进行对比。研究结果表明:所提出的算法在检测Web DDo S攻击方面比支持向量机、最小乘方二乘法、K-NN算法具有更高的分类正确率,说明半监督流形正则化的Laprls最小二乘法算法对检测小样本Web DDo S攻击具有较好的实用性。

应用层DDoS攻击检测与防御研究

当今世界计算机网络发展迅猛,信息化进程进一步加速,信息网络已经在全球范围内普及,逐渐融入人们的生活当中。然而,随着网络技术的不断发展,网络安全风险也日益增大。并且网络安全的攻击较以前更加复杂,很难进行有效的检测和防御。网络层DDo S攻击和应用层DDo S攻击是目前存在的主要DDo S攻击类型。由于网络技术的突飞猛进,目前已经找到防御网络层DDo S攻击的有效解决办法,因此应用层DDo S攻击成为最大的网络安全威胁。这是一种极具破坏力的新型的网络攻击,如何进行应用层DDo S攻击检测与有效防御已成为备受瞩目的焦点问题。文章拟对此问题进行探讨和研究,以期为相关理论研究和实践提供些许借鉴。